书籍介绍
强化学习作为机器学习及人工智能领域的一种重要方法，在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。
本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容，在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q 学习等传统强化学习算法，以及策略梯度、近端策略优化、深度Q 网络、深度确定性策略梯度等常见深度强化学习算法的基本概念和方法，并以大量生动有趣的例子帮助读者理解强化学习问题的建模过程以及核心算法的细节。
此外，本书还提供较为全面的习题解答以及Python 代码实现，可以让读者进行端到端、从理论到轻松实践的全生态学习，充分掌握强化学习算法的原理并能进行实战。
本书适合对强化学习感兴趣的读者阅读，也可以作为相关课程的配套教材。
目录
用户评论
本人某985在读博士，Easy RL是本人接触的RL教程里很良心的书籍，市面上的RL的质量参差不齐，RL作为当下最热门的机器学习方向，该书详解了从强化学习的MDP的定义，离散动作DQN，AC框架，到连续控制DDPG等各个算法，比较适合初学者入门上手。非常推荐！
总结李宏毅、周博磊、李科浇三位老师公开课的精华，并进行优化补充，比较好的强化学习入门教材
从入门强化学习开始就一直关注的Easy RL终于出纸质版了！该书从最基本的强化学习结构讲起，阐述解决问题的MDP模型，从基于价值的表格型（Q,SARSA），基于策略的（REINFORCE等），再到引入深度学习（DQN，DDQN，Dule DQN等），以及AC框架下的系列算法，构建了一个清晰完好的知识结构。其次各个章节都提供了相应的问题和解决办法，更包含了面试常见问题，使得本书兼具理论性和实用性。阅读本书对于需要用到RL来解决问题的人员势必会取得事半功倍的效果。
这是我看过的关于RL的讲的最详细最易懂的中文教程。
此书理论讲解清晰简洁，同时配有代码的实现，非常适合刚入门强化学习的同学。亦可配合相关课程进行使用，是一本好书
强化学习这本书相信大家无论我推荐与否都是耳熟能详的
书讲的很详细印刷也非常好，
研究生上课用的教材平时买来看看也很棒
王琦博士的蘑菇书集合了目前主流的教学案例，内容丰富多彩、讲授形式多样化，适用于初学者入门、进阶者深入学习、高手回顾总结；是一本难的计算机专业类书籍，初读此书被丰富多彩的图片所吸引，重读此书被深刻的专业知识所震撼，感觉这是一本难的好书，墙裂推荐收藏阅读。
内容深入浅出，文笔流畅，强化学习方向非常好的资料
每个章节都清晰罗列出来，很方便大家阅读，也可以当作宝典来学习。
确实是“学霸笔记”，三门课程揉出来一本，CS方向用来入门是可以的。但这肯定不是一本严谨的“书”，草草翻过就会发现许多前后定义不一致，符号不统一的情况。理论推导只抄了每门课最浅显的地方。大量配图都是从别的书上切下来的，不知道版权是怎么解决的。。但是如果不愿意看英文材料还是能看的，毕竟RL书中译本一个赛一个的烂。